طريقة مونت كارلو

الأصول والمبدأ الأساسي

بدأت طريقة مونت كارلو عام 1946 حين حاول ستانيسلاف أولام، عالم الرياضيات في لوس ألاموس، أثناء تعافيه من مرض، حساب احتمال الفوز في لعبة السوليتير. فرأى أنه إن تعذّر الحساب المباشر أمكن اللعب مرات كثيرة وعدّ مرات النجاح. وطبّق جون فون نيومان الفكرة على انتشار النيوترونات، وسمّاها نيكولاس ميتروبوليس باسم الكازينو الذي كان عم أولام يرتاده. ونشر ميتروبوليس وأولام (1949) الورقة الأولى. والمثال الكلاسيكي هو تقدير π: تُنثر نقاط عشوائيًا في مربع ضلعه واحد، فيقترب أربعة أضعاف نسبة النقاط الواقعة داخل ربع الدائرة من π. ويقترب المتوسط من القيمة الحقيقية مع ازدياد العينات بفضل قانون الأعداد الكبيرة.

الدقة وتقليل التباين

وفق نظرية النهاية المركزية يتناقص خطأ مونت كارلو تقريبًا بنسبة واحد على الجذر التربيعي لعدد العينات. فمضاعفة الدقة عشر مرات تتطلب مئة ضعف من العينات، لكن هذا المعدل مستقل تقريبًا عن عدد الأبعاد، ولذلك تتفوق الطريقة على الطرق العددية الشبكية في التكاملات متعددة الأبعاد. وتُستخدم لتحسين الكفاءة تقنيات تقليل التباين مثل المعاينة بالأهمية والمتغيرات الضابطة والمعاينة الطبقية (وهي مبدأ المعاينة الاحتمالية الطبقية نفسه في المسوح) وشبه مونت كارلو. وتتوقف الجودة أيضًا على مولّد الأعداد شبه العشوائية، ومن أشهرها «ميرسين تويستر» لماتسوموتو ونيشيمورا (1998). ومن المراجع القياسية هامرسلي وهاندسكومب (1964) وروبرت وكاسيلا (2004) وأوين (2013).

التطبيقات

تطورت خوارزمية ميتروبوليس وزملائه (1953) وتعميم هيستينغز (1970) إلى MCMC التي تستخدم سلاسل ماركوف للمعاينة من توزيعات معقدة، وصارت بعد غيلفاند وسميث (1990) الأداة الحسابية القياسية في الإحصاء البايزي. والبوتستراب عند إفرون (1979)، الذي يعيد معاينة البيانات لتقدير عدم اليقين في التقديرات، أسلوب من أساليب مونت كارلو أيضًا. وفي المال أدخلها بويل (1977) إلى تسعير الخيارات، وتُستخدم في تحليل السيناريوهات لإدارة المخاطر. وتستعملها الفيزياء في انتقال الجسيمات والميكانيكا الإحصائية، ورسوميات الحاسوب في التصيير بتتبع المسارات. وفي الذكاء الاصطناعي كان بحث شجرة مونت كارلو، المنبثق من خوارزمية UCT لكوتشيس وسيبيشفاري (2006)، محوريًا في نظام ألفاغو لسيلفر وزملائه (2016)، وهو فرع مهم من خوارزميات البحث في الذكاء الاصطناعي.

الأسئلة الشائعة

هل محاكاة مونت كارلو دقيقة دائمًا؟

لا. فنتائجها تقريبات احتمالية يتوقف خطؤها على حجم العينة وجودة الأعداد العشوائية وافتراضات النموذج، ولذلك تُعرض عادة مع فترات ثقة أو أخطاء معيارية.

ما الفرق بين طريقة مونت كارلو وMCMC؟

تسحب مونت كارلو العادية عينات مستقلة مباشرة، أما MCMC فتستخدم سلسلة ماركوف لتوليد متتالية من العينات المترابطة من توزيعات يصعب السحب منها مباشرة.

تاريخ مراجعة المصادر: 2026-10-26

المراجع

1. Metropolis, N., & Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association, 44(247), 335–341.
2. Metropolis, N., Rosenbluth, A. W., Rosenbluth, M. N., Teller, A. H., & Teller, E. (1953). Equation of state calculations by fast computing machines. Journal of Chemical Physics, 21(6), 1087–1092.
3. Hastings, W. K. (1970). Monte Carlo sampling methods using Markov chains and their applications. Biometrika, 57(1), 97–109.
4. Eckhardt, R. (1987). Stan Ulam, John von Neumann, and the Monte Carlo method. Los Alamos Science, 15, 131–137.
5. Hammersley, J. M., & Handscomb, D. C. (1964). Monte Carlo Methods. London: Methuen.
6. Boyle, P. P. (1977). Options: A Monte Carlo approach. Journal of Financial Economics, 4(3), 323–338.
7. Efron, B. (1979). Bootstrap methods: Another look at the jackknife. Annals of Statistics, 7(1), 1–26.
8. Gelfand, A. E., & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398–409.
9. Kocsis, L., & Szepesvári, C. (2006). Bandit based Monte-Carlo planning. In Machine Learning: ECML 2006 (pp. 282–293). Berlin: Springer.
10. Silver, D., et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529(7587), 484–489.
11. Robert, C. P., & Casella, G. (2004). Monte Carlo Statistical Methods (2nd ed.). New York: Springer.
12. Owen, A. B. (2013). Monte Carlo Theory, Methods and Examples. Stanford, CA: Stanford University.
13. Matsumoto, M., & Nishimura, T. (1998). Mersenne twister: A 623-dimensionally equidistributed uniform pseudo-random number generator. ACM Transactions on Modeling and Computer Simulation, 8(1), 3–30.